论文部分内容阅读
随着电力设备的普及,包括偏远地区、山区都通电,大大的满足了人们的工作和生活,但是在长距离的电缆铺设、环境恶劣和电缆的老化等原因可能会导致断电或者电压不稳而产生局部放电。局部放电是电缆老化或者劣化而导致电缆绝缘失效的原因之一。为了保证随时通电,不影响人们的工作和生活,所以工程上对电缆设备的检测是非常有必要的,而实际上得到的电缆设备检测信号(局部放电信号)是经常被噪声所湮没的。为了得到准确的电缆状态,对局部放电信号的去噪研究在国内外都是一大研究热点。对于局部放电信号的去噪,我们采用了提取特征值的办法对其进行研究,也就是奇异值去噪算法(Singular Value Decomposition,SVD),但是准确率较低。人们对于电力的需求越来越大,而局部放电产生的数据越多,目前单机的去噪已经不能满足人们的需求,不具有实时性,且处理效率低下。随着信息数据的剧增,人们已经逐渐从信息化时代迈入大数据时代,基于分布式平台Hadoop和Spark,人们对数据存储和处理比信息化时代有了较大的进步。对于以上局部放电信号准确率和效率较低的问题,本文的主要工作有以下三个方面:(1)提出一种基于信息准则(akaike information criterion,AIC)的奇异值去噪算法中阈值估计办法(AIC-SVD),将其运用于局部放电信号去噪中。实际上,对于含有噪声的局部放电信号,其奇异值的选择问题可以近似为信息论中主导分量(子空间维数)的估计问题。本文基于已有的研究策略STSVD对局部放电信号进行去噪,提高局部放电信号的准确度,对电缆设备绝缘状态的检测有更好的效果。本文通过实验与已有的算法进行对比和分析,验证了该算法的可行性和准确率,达到了预期效果。(2)提出一种基于最优奇异值阈值算法(optimal singular value threshold,OSVT)和上述AIC-SVD的阈值估计办法(OSVT-AIC-SVD),将其运用于局部放电信号去噪中。经过上述实验,鉴于信噪比(SNR)较低的时候,AIC-SVD算法效果没有一般的奇异值改进算法好,那么本文将阈值优化算法应用于SNR低的时候,AIV-SVD应用于SNR较高的时候。本文经过实验与AIC-SVD进行对比和分析,验证了该算法较之前的算法更加有效和准确,达到预期效果。(3)提出一种基于Spark平台的奇异值分解算法(Sp-SVD),并将其应用于局部放电信号去噪中。目前局部放电信号奇异值去噪算法中,并没有出现解决数据量过大的情况,所以本文提出一种新的算法,解决此类问题。由于局部放电信号是二维信号,本文首先将数据进行预处理,分块然后转换为矩阵进行去噪。本文经过实验与现有的SVD算法进行对比和实验结果分析,验证算法的可行性和效率,达到预期效果。